Temat: Sztuczne Sieci Neuronowe - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Neural network and artificial immune algorithms for the classification of medical data series
Sieci neuronowe i sieci immunologiczne dla rozpoznawania przypadków medycznych
Autorzy:: Wajs, W.
Powiązania:: https://bibliotekanauki.pl/articles/282174.pdf
Data publikacji:: 2012
Wydawca:: Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:: sztuczne sieci neuronowe
sieci immunologiczne
SVM
BPD
artificial neural network
immunological network
Opis:: This paper describes the applicability of artificial immune algorithms. Medical data series classification technique by Artificial Immune Algorithm is used for Neural Network Algorithm input data definitions. Artificial Immune Algorithms is created and trained for the purpose of Arterial Blood Gas parameters classification: pH, PaCO2, PaO2, HCO3. The main goal of this paper is to develop a artificial neural network technique for Arterial Blood Gases short-term prediction. The main question that is considered is how to predict some dynamic parameters that describe blood gases nature. A model of a physical system has an error associated with its predictions due to the dependences of the physical system's output on uncontrollable and unobservable quantities. The use of artificial methods creates the possibilities of obtaining some parameter values on the proper level of probability. This would provide a direct feedback to the clinical staff about the progress of a patient, the success of individual treatments, and quality of care as well as predicting blood gas value.
Dla rozpoznawania przypadków chorobowych, które są opisane numerycznymi danymi wykorzystano metody sztucznej inteligencji. W pracy wykorzystano dwie metody: metodę sztucznych sieci neuronowych oraz metodę sztucznych sieci immunologicznych. Przedstawiono wyniki uzyskane tymi metodami w odniesieniu do przypadków dysplazji oskrzelowo płucnej dla dzieci, których waga była poniżej 1500 g.
Źródło:: Automatyka / Automatics; 2012, 16, 1; 89-96
1429-3447
2353-0952
Pojawia się w:: Automatyka / Automatics
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: The usage of neural networks to forecast for churn of telecommunications clients
Wykorzystanie sztucznych sieci neuronowych do prognozowania zjawiska churn wśród klientów usług telekomunikacyjnych
Autorzy:: Wojda, Przemysław
Powiązania:: https://bibliotekanauki.pl/articles/389805.pdf
Data publikacji:: 2017
Wydawca:: Politechnika Bydgoska im. Jana i Jędrzeja Śniadeckich. Wydawnictwo PB
Tematy:: churn
artificial neural network
ANN
CLV
telecommunications
sztuczne sieci neuronowe
telekomunikacja
Opis:: This paper presents an attempt to use an artificial neural network to investigate the churn phenomenon among the customers of a telecommunications operator. An attempt was made to create a data model based on the customer lifetime value (CLV) rather than on activity alone. A multilayered artificial neural network was used for the experiments. The results yielded a 99% successful identification rate for customers in no danger of leaving, while only 57% of those identified as in danger of leaving actually did so and stopped using the company's services.
W pracy przedstawiono próbę wykorzystania sztucznej sieci neuronowej do badania zjawiska churn wśród klientów operatora telekomunikacyjnego. Podjęto próbę stworzenia modelu danych opartego o całkowitą wartość klienta (CLV), a nie tylko jego aktywność. Do przeprowadzenia eksperymentów wykorzystana została wielowarstwowa sztuczna sieć neuronowa. Uzyskano 99% skuteczność identyfikowania klientów nie zagrożonych odejściem, natomiast tylko 57% klientów wskazanych jako zagrożonych odejściem w rzeczywistości zaprzestało korzystania z usług firmy.
Źródło:: Zeszyty Naukowe. Telekomunikacja i Elektronika / Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy; 2017, 20; 5-14
1899-0088
Pojawia się w:: Zeszyty Naukowe. Telekomunikacja i Elektronika / Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

Tytuł:: Sieci neuronowe w rozpoznawaniu pisma odręcznego
Autorzy:: Michalik, Bernadetta
Miłosz, Marek
Powiązania:: https://bibliotekanauki.pl/articles/98054.pdf
Data publikacji:: 2020
Wydawca:: Politechnika Lubelska. Instytut Informatyki
Tematy:: handwriting
artificial neural network
word recognition
sztuczne sieci neuronowe
rozpoznawanie słów
Opis:: Artificial neural networks consist of many simple elements capable of processing data. These are tools inspired by the construction of the human brain, used in machine learning. The aim of the research was to analyze the occuracy of the created neural network in the process of handwriting recognition. The article presents the results obtained during the learning and testing of a convolution network with a different number of hidden layers. Each time learning and testing the network was carried out using the same set of images (taken from the publicly available IAM database) depicting handwritten words in English.
Sztuczne sieci neuronowe składają się z wielu prostych elementów zdolnych do przetwarzania danych. To narzędzia inspirowane budową ludzkiego mózgu, stosowane w uczeniu maszynowym. Celem badań była analiza dokładności odpowiedzi stworzonej sieci neuronowej w procesie rozpoznawania pisma odręcznego. W artykule przedstawiono wy-niki uzyskane podczas nauki i testowania sieci konwolucyjnej o różnej liczbie warstw ukrytych. Każdorazowo uczenie i testowanie sieci realizowane było za pomocą tego samego zbioru obrazów (zaczerpniętych z ogólnodostępnej bazy IAM Handrwiting Database) przedstawiających słowa pisane odręcznie w języku angielskim.
Źródło:: Journal of Computer Sciences Institute; 2020, 15; 109-113
2544-0764
Pojawia się w:: Journal of Computer Sciences Institute
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 4.

Tytuł:: Zastosowanie algorytmów sztucznych sieci neuronowych do prognozowania zużycia energii elektrycznej
Application artificial neural networks for electricity prediction
Autorzy:: Włas, M.
Powiązania:: https://bibliotekanauki.pl/articles/266363.pdf
Data publikacji:: 2016
Wydawca:: Politechnika Gdańska. Wydział Elektrotechniki i Automatyki
Tematy:: prognozowanie zużycia energii
sztuczne sieci neuronowe
forecasting energy consumption
artificial neural network
Opis:: W artykule przestawiono algorytm przewidywania zużycia energii elektrycznej budynków mieszkalnych z wykorzystaniem informacji o produkcji i warunkach atmosferycznych. W artykule została zaproponowana własna metoda predykcji z wykorzystaniem wielowarstwowej jednokierunkowej sztucznej sieci neuronowej. W pracy zostały przedstawione podstawowe pojęcia z zakresu sieci neuronowych oraz testy działania programu prognozującego na podstawie rzeczywistych danych pomiarowych. Głównym zadaniem badawczym było sprawdzenie dokładności algorytmu predykcji do prognozowania zużycia energii elektrycznej. Ma to na celu uzyskanie programu, którego wyniki o charakterze ilościowym będą wykorzystywane do prognozowania potrzeb zakupowych na TGE (Towarowej Giełdzie Energii) przy udziale metody zakupu energii elektrycznej na Rynku Dnia Następnego.
This paper presents a flexible approach to forecasting of energy consumption in residential buildings, using time series analysis and neural networks. Our goal is to develop a one day-ahead forecasting model based on an artificial neural network using information about temperature of air. The article has been proposed neural network prediction method using a multilayered feed-forward artificial neural network with the backpropagation training algorithm. Experimental results have showed that the proposed neural network can faithfully reproduce the curve of daily energy consumption with a percentage error less than 3.74%.
Źródło:: Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej; 2016, 51; 217-220
1425-5766
2353-1290
Pojawia się w:: Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 5.

Tytuł:: Sztuczne sieci neuronowe w modelowaniu procesów z ograniczonym zbiorem danych w inżynierii rolniczej
Neural networks in modeling agricultural engineering processes with limited date file
Autorzy:: Trajer, J.
Powiązania:: https://bibliotekanauki.pl/articles/286483.pdf
Data publikacji:: 2005
Wydawca:: Polskie Towarzystwo Inżynierii Rolniczej
Tematy:: sztuczne sieci neuronowe
modelowanie
inżynieria rolnicza
artificial neural network
modeling
agricultural engineering
Opis:: Celem pracy jest przedstawienie metody neuronowego modelowania procesów z ograniczonym zbiorem danych. W przykładzie wykorzystano bazę danych zmian cen przechowywanej marchwi. Podano koncepcję budowy modelu neuronowego, który pomimo ograniczonego zbioru danych posiadać może zadowalające własności uogólniające, w sensie rozszerzenia zasięgu jego stosowalności poza zbiór uczący.
In this paper the analysis of the neural modeling of the agricultural engineering process was presented. The problems of effectiveness and quality neural networks in these processes was discussed.
Źródło:: Inżynieria Rolnicza; 2005, R. 9, nr 2, 2; 173-180
1429-7264
Pojawia się w:: Inżynieria Rolnicza
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 6.

Tytuł:: Estimation of longitudinal precipitation of liquid indicator (LPLI) with the use of the artificial neural network (MLP, RBF) models
Estymacja wskaźnika opadu podłużnego rozpylonej cieczy (Wso) za pomocą sztucznych sieci neuronowych (MLP i RBF)
Autorzy:: Pentoś, K.
Cieniawska, B.
Łuczycka, D.
Powiązania:: https://bibliotekanauki.pl/articles/334681.pdf
Data publikacji:: 2018
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: spraying efficiency
artificial neural network
longitudinal precipitation
jakość opryskiwania
sztuczne sieci neuronowe
rozkład podłużny
Opis:: The study presents the results of the analysis of two artificial neural networks as models of relationships between longitudinal precipitation of liquid indicator and selected technical and technological factors of spraying process. The measurements were conducted in laboratory conditions. A wind tunnel was primary element in experimental set-up. Based on the results, it can be stated that MLP model (R2 = 0.908 for validation data set) was more accurate that RBF model (R2 = 0.837 for validation data set). The analysis of input variables’ contribution indicated that the LPLI is influenced the most by the air flow speed and the droplet size. Spray boom height and spray nozzle angle were less influencing parameters.
W pracy przedstawiono wyniki analizy dwóch modeli matematycznych zależności między wskaźnikiem opadu podłużnego rozpylonej cieczy a wybranymi technicznymi i technologicznymi parametrami procesu opryskiwania. Modele zbudowano wykorzystując sztuczne sieci neuronowe. Pomiary przeprowadzono w warunkach laboratoryjnych. Głównym elementem stanowiska badawczego był tunel aerodynamiczny. Na podstawie otrzymanych wyników można stwierdzić, że model oparty o sieć MLP (R2 = 0.908 dla zbioru walidacyjnego) charakteryzował się wyższą dokładnością niż model oparty o sieć RBF (R2 = 0.837 dla zbioru walidacyjnego). Analiza stopnia wpływu poszczególnych parametrów wejściowych modelu na jego wyjście wskazuje, że największy wpływ na Wso mają prędkość przepływu powietrza oraz wielkość kropli. Wysokość belki opryskowej oraz kąt nachylenia rozpylacza w znacznie mniejszym stopniu wpływają na Wso.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2018, 63, 1; 58-62
1642-686X
2719-423X
Pojawia się w:: Journal of Research and Applications in Agricultural Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 7.

Tytuł:: Analiza założeń dla modelowania plonu buraka cukrowego z wykorzystaniem sztucznych sieci neuronowych
The analysis of assumptions for modeling sugar beet crop with utilization of artificial neural networks
Autorzy:: Niedbała, G.
Przybył, J.
Boniecki, P.
Sęk, T.
Powiązania:: https://bibliotekanauki.pl/articles/287451.pdf
Data publikacji:: 2005
Wydawca:: Polskie Towarzystwo Inżynierii Rolniczej
Tematy:: burak cukrowy
predykcja plonu
sztuczne sieci neuronowe
sugar beet
crop prediction
artificial neural network
Opis:: Do planowania plonu roślin, w tym plonu buraka cukrowego, wykorzystuje się modele prognostyczne. Istniejące modele mają zastosowanie zarówno w skali mikro - dla gospodarstwa, jaki i makro - dla regionu, czy kraju. Te modele, najczęściej zaimplementowane w programach komputerowych, ze względu na dużą liczbę danych wejściowych, są raczej niedostępne dla plantatora buraka cukrowego i rolniczych służb doradczych. Dlatego w pracy podjęto próbę opracowania własnego modelu plonu buraka cukrowego, opartego na metodach sztucznej inteligencji, przy wykorzystaniu możliwie niewielkiej liczby danych wejściowych. Założono, że dane wejściowe do modelu powinny stanowić podstawowe czynniki charakteryzujące siedlisko, użyte środki produkcji i przebieg warunków pogodowych.
In planning crops, including sugar beet crop, prognostic models are used. Existing models are utilized in micro scale - for the farm, as well as in macro scale - for region or country. These models, generally implemented in computer programmes, are rather unavailable for sugar beet planters and agricultural advisory services because of the huge amount of input data. That is why in this paper an attempt was made to create own model of sugar beet crop based on artificial intelligence methodology and the smallest possible amount of input data. It was assumed that input data for models should be the basic factors characterizing habitat, means of production used and weather conditions course.
Źródło:: Inżynieria Rolnicza; 2005, R. 9, nr 2, 2; 123-130
1429-7264
Pojawia się w:: Inżynieria Rolnicza
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 8.

Tytuł:: Toothed gear transmission diagnosis based on optimal features of vibration signal
Diagnozowanie przekładni zębatej w oparciu o optymalne cechy sygnału drgań
Autorzy:: Jedliński, Ł.
Jonak, J.
Powiązania:: https://bibliotekanauki.pl/articles/360050.pdf
Data publikacji:: 2011
Wydawca:: Akademia Morska w Szczecinie. Wydawnictwo AMSz
Tematy:: przekładnia stożkowa
selekcja cech
sztuczne sieci neuronowe
bevel gear
feature selection
artificial neural network
Opis:: The article presents a method for reducing amount of discriminants required to evaluate technical condition of an object and a trial of evaluating it using artificial neural networks as a way of increasing certainty of the obtained results.
W artykule przedstawiono metodę redukcji liczby dyskryminant wymaganych w ocenie stanu technicznego obiektu oraz próbę oceny stanu z użyciem sztucznych sieci neuronowych, jako środek zwiększenia pewności prognozy.
Źródło:: Zeszyty Naukowe Akademii Morskiej w Szczecinie; 2011, 26 (98); 33-37
1733-8670
2392-0378
Pojawia się w:: Zeszyty Naukowe Akademii Morskiej w Szczecinie
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 9.

Tytuł:: A comparison of the fuel consumption characteristic in dynamic states with the general characteristic of the combustion engine
Porównanie charakterystyki zużycia paliwa w dynamicznych stanach pracy z charakterystyką ogólną silnika spalinowego
Autorzy:: Bera, P.
Powiązania:: https://bibliotekanauki.pl/articles/133995.pdf
Data publikacji:: 2015
Wydawca:: Polskie Towarzystwo Naukowe Silników Spalinowych
Tematy:: dynamic states
fuel consumption
artificial neural network
stany dynamiczne
zużycie paliwa
sztuczne sieci neuronowe
Opis:: The paper presents a comparison of the fuel consumption characteristic in dynamic states with the general characteristic. It was proven that the use of the general characteristic to calculate the fuel consumption in dynamic operating states is limited because under certain conditions the results are incorrect. This is due to the fact that this characteristic is based on data obtained from the engine test bench measurements in static states. In contrast, the characteristic in the dynamic states is determined on the basis of data from both static and dynamic states characterized by variable engine speed and torque. It reflects the nature of the internal combustion engine much better because it takes into account the specificity of its work. Development of such characteristic is possible through the use of artificial neural network trained in a supervised mode to analyze the data collected during tests on the engine test bench. The purpose of this paper is to quantitatively compare the results obtained by each of the characteristics in different operating states of the engine. The analysis takes into account both the trajectory between the successive work points as well as time in which the change occurs.
W artykule przedstawiono porównanie charakterystyki zużycia paliwa w stanach dynamicznych z charakterystyką ogólną. Wykazano, że wykorzystanie charakterystyki ogólnej do obliczania zużycia paliwa w dynamicznych stanach pracy jest ograniczone, gdyż w pewnych przypadkach daje wyniki obarczone istotnymi błędami. Wynika to z faktu, że jest ona wyznaczana w oparciu o dane z pomiarów w stanach statycznych na hamowni silnikowej. Inaczej jest w przypadku charakterystyki w stanach dynamicznych, która jest sporządzana w oparciu o dane pomiarowe ze stanów zarówno statycznych jak i dynamicznych. Wierniej oddaje ona charakter pracy samochodowego silnika spalinowego, gdyż uwzględnia specyfikę zjawisk w nim zachodzących. W artykule wykazano, że wykorzystanie sztucznej sieci neuronowej uczonej w sposób nadzorowany do analizy danych zgromadzonych w trakcie badań na hamowni silnikowej pozwala na opracowanie takiej charakterystyki. Przedstawiono także ilościowe porównanie wyników otrzymywanych przez każdą z charakterystyk w różnych stanach pracy silnika spa-linowego. Przeprowadzona analiza uwzględnia zarówno trajektorię przejść między kolejnymi punktami pracy jak i czas w którym ta zmiana zachodzi.
Źródło:: Combustion Engines; 2015, 54, 3; 726-731
2300-9896
2658-1442
Pojawia się w:: Combustion Engines
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 10.

Tytuł:: Zastosowanie metody sztucznych sieci neuronowych do prognozowania obciążenia sieci rurociągów do transportu gazu ziemnego
Application of Artificial Neural Networks for load prediction in a gas pipeline network
Autorzy:: Szoplik, J.
Powiązania:: https://bibliotekanauki.pl/articles/2072145.pdf
Data publikacji:: 2013
Wydawca:: Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:: sztuczne sieci neuronowe
prognozowanie
obciążenie sieci gazowej
artificial neural network
forecasting
load of gas pipeline network
Opis:: Zaproponowano zastosowanie metody sztucznych sieci neuronowych do prognozowania obciążenia sieci gazowej przykładowego miasta w Polsce, biorąc pod uwagę czynniki pogodowe oraz kalendarzowe. Na podstawie rzeczywistych danych wejściowych wytrenowano wiele sieci neuronowych, różniących się liczbą neuronów w warstwie ukrytej i zaproponowano najlepszą strukturę sieci neuronowej, która zależy od liczności zbioru danych wejściowych. Otrzymane modele sieci mogą być z powodzeniem stosowane w praktyce.
Application of Artificial Neural Network for load prediction in a gas pipeline network in an exemplary Poland city taking into account weather and calendar factors is proposed in the paper. Based on real data, a number of neural networks with a various number of neurons in hidden layer were trained. The best neural network structure depending on a number of initial data sets was proposed. The obtained network models can be successfully applied in practice.
Źródło:: Inżynieria i Aparatura Chemiczna; 2013, 6; 572--574
0368-0827
Pojawia się w:: Inżynieria i Aparatura Chemiczna
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 11.

Tytuł:: Optymalizacja procesów decyzyjnych przy zastosowaniu wybranych metod sztucznej inteligencji
Optimization of decision processes using chosen methods of artificial intelligence
Autorzy:: Nowakowski, K.
Boniecki, P.
Majewski, A.
Powiązania:: https://bibliotekanauki.pl/articles/288891.pdf
Data publikacji:: 2005
Wydawca:: Polskie Towarzystwo Inżynierii Rolniczej
Tematy:: sztuczne sieci neuronowe
system ekspercki
optymalizacja
proces decyzyjny
artificial neural network
expert system
optimization
decision cases
Opis:: Już od dawna ludzie poszukują narzędzi, które pomogłyby im w procesie podejmowania trafnych decyzji. Ze względu na nikłe jak do tej pory sukcesy rozsądnym wydaje się być wykorzystanie w tym celu wybranych metod sztucznej inteligencji. Użycie w/w technologii opartych na symulacji pracy ludzkiego umysłu daje nowe możliwości. Połączenie techniki sztucznych sieci neuronowych i systemów ekspertowych pozwoliło na stworzenie wirtualnych doradców - specjalistów w wybranej dziedzinie. Pozwalają oni skutecznie pomóc w podejmowaniu konkretnych decyzji. Nie zrobią tego za człowieka ale dzięki wykorzystanym technologią mogą pomóc w podjęciu optymalnej decyzji.
Since a long time humans seek tools which would help them take accurate decisions. Because of very little success so far, choosing methods of artificial intelligence seems to be reasonable. Using mentioned technologies based on simulation of work of human mind gives new possibilities. The connection of technique of artificial neural network and expert systems permitted to create virtual advisers' - experts in chosen field. They permit to help treat concrete decisions effectively. They will not make it instead of humans but thanks to used technology they can help undertake optimal decision.
Źródło:: Inżynieria Rolnicza; 2005, R. 9, nr 2, 2; 131-136
1429-7264
Pojawia się w:: Inżynieria Rolnicza
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 12.

Tytuł:: Obliczanie współczynnika strat liniowych λ za pomocą sztucznych sieci neuronowych
Calculating linear losses λ ratio using artificial neuron net
Autorzy:: Dawidowicz, J.
Powiązania:: https://bibliotekanauki.pl/articles/908426.pdf
Data publikacji:: 2013
Wydawca:: Fundacja Ekonomistów Środowiska i Zasobów Naturalnych
Tematy:: system dystrybucji wody
sztuczne sieci neuronowe
współczynnik tarcia
water distribution system
artificial neural network
friction factor
Opis:: System dystrybucji wody jest jednym z najważniejszych i najkosztowniejszych elementów systemu zaopatrzenia w wodę. Podstawowym zadaniem podczas projektowania sieci wodociągowych jest wykonanie obliczeń hydraulicznych mających na celu ustalenie strat ciśnienia. W tym celu powszechnie stosuje się technikę komputerową.
Numerical modelling of water distribution systems are used in the design, operation and decision support. In recent years, many applications require a substantial acceleration calculation. This paper attempts to use artifi cial neural networks to calculate the friction factor. Commonly used Colebrook-White formula requires the use of an iterative method, which extends the computation time. Properly prepared neural network can perform this task much faster.
Źródło:: Ekonomia i Środowisko; 2013, 4; 177-186
0867-8898
Pojawia się w:: Ekonomia i Środowisko
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 13.

Tytuł:: Sieci Kohonena jako narzędzie wspomagające budowę prognoz kombinowanych
Self-Organizing maps as a tool supporting the construction of combined forecasts
Autorzy:: Perzyńska, Joanna
Powiązania:: https://bibliotekanauki.pl/articles/449693.pdf
Data publikacji:: 2017
Wydawca:: Zachodniopomorska Szkoła Biznesu w Szczecinie
Tematy:: modele ekonometryczne
prognozy kombinowane
sztuczne sieci neuronowe
sieci Kohonena
artificial neural network
combined forecasts
econometric models
Self-Organizing Maps
Opis:: W artykule przedstawiono propozycję wykorzystania sieci Kohonena we wstępnym etapie budowy prognoz kombinowanych. Przy pomocy sieci Kohonena można podzielić zbiór dostępnych modeli na rozłączne klasy, a następnie dokonać redukcji ich liczby. Prognozy składowe prognoz kombinowanych wyznacza się wówczas na podstawie modeli należących do różnych klas, co ma zapewnić niepowielanie informacji oraz zwiększyć dokładność prognoz kombinowanych. Ilustracją rozważań o charakterze teoretycznym jest przykład empiryczny, w którym prognozy (indywidualne i kombinowane) wyznaczono dla zmiennej mikroekonomicznej wykazującej wahania sezonowe. Przeprowadzone badania potwierdziły użyteczność zaproponowanej metody.
In the paper, the author presents suggestion of application of Self-Organizing Maps in the preliminary stage of construction of combined forecasts. Using the SOM, the set of available models can be divided into disjoint classes and then reduced. The component forecasts are then determined on the basis of models belonging to different classes, to ensure that information is not duplicated and to increase the accuracy of the combined forecasts. The illustration of theoretical considerations is the empirical example, in which individual and combined forecasts are calculated for economic variable with seasonal fluctations. The research confirms the usefulness of the suggested method.
Źródło:: Zeszyty Naukowe ZPSB Firma i Rynek; 2017, 2(52); 77-85
2657-3245
Pojawia się w:: Zeszyty Naukowe ZPSB Firma i Rynek
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 14.

Tytuł:: Modeling of fuel consumption using artificial neural networks
Modelowanie zużycia paliwa przy pomocy sztucznych sieci neuronowych
Autorzy:: Witaszek, Kazimierz
Powiązania:: https://bibliotekanauki.pl/articles/329548.pdf
Data publikacji:: 2020
Wydawca:: Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:: fuel consumption
modeling
artificial neural network
SNNS
OBDII data
zużycie paliwa
modelowanie
sztuczne sieci neuronowe
dane OBDII
Opis:: The article presents a model of operational fuel consumption by a passenger car from the B segment, powered by a spark ignition engine. The model was developed using artificial neural networks simulated in the Stuttgart Neural Network Simulator (SNNS) package. The data for the model was obtained from longterm operational tests, during which data from the engine control unit were recorded via the OBDII diagnostic interface. The model is based on neural networks with two hidden layers, the size of which was selected using an original iterative algorithm. During the structure selection process, a total of 576 different networks were tested. The analysis of the obtained test errors made it possible to select the optimal structure of the 6-19-17-1 model. The network input values were: vehicle speed and acceleration, road slope, throttle opening degree, selected gear number and engine speed. The networks were trained using the efficient RPROP method. A correctly trained network, based on the set parameters, was able to forecast the instantaneous fuel consumption. These forecasts showed a high correlation with the measured values. Average fuel consumption calculated on their basis was close to the real value, which was calculated on the basis of two consecutive fuelings of the vehicle.
W artykule przedstawiono model eksploatacyjnego zużycia paliwa przez samochód osobowy z segmentu B, zasilany silnikiem o zapłonie iskrowym. Model opracowano przy wykorzystaniu sztucznych sieci neuronowych, których działanie symulowano w pakiecie Stuttgart Neural Network Simulator (SNNS). Dane do modelu pozyskano z długotrwałych badań eksploatacyjnych, podczas których rejestrowano przez interfejs diagnostyczny OBDII dane pochodzące z jednostki sterującej silnikiem. Model oparto na sieciach neuronowych o dwu warstwach ukrytych, których wielkość dobrano przy pomocy autorskiego, iteracyjnego algorytmu. Podczas procesu doboru struktury przebadano łącznie 576 różnych sieci. Analiza uzyskanych błędów testowania pozwoliła na wybór optymalnej struktury modelu 6-19-17-1. Wielkościami wejściowymi sieci były: prędkość i przyspieszenie pojazdu, nachylenie drogi, stopień otwarcia przepustnicy, numer wybranego biegu oraz prędkość obrotowa silnika. Sieci uczono przy użyciu wydajnej metody RPROP. Poprawnie nauczona sieć na podstawie zadanych parametrów była w stanie prognozować chwilowe zużycie paliwa. Prognozy te wykazywały wysoką korelację ze zmierzonymi wartościami. Obliczone na ich podstawie średnie zużycie paliwa było zbliżone do rzeczywistej wartości, którą obliczono na podstawie dwu kolejnych tankowań pojazdu.
Źródło:: Diagnostyka; 2020, 21, 4; 103-113
1641-6414
2449-5220
Pojawia się w:: Diagnostyka
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 15.

Tytuł:: The use of artificial intelligence methods for optimization of tractive properties on silty clay loam
Metody sztucznej inteligencji w optymalizacji wybranych właściwości trakcyjnych na glebach gliniastych
Autorzy:: Pieczarka, K.
Pentoś, K.
Lejman, K.
Owsiak, Z.
Powiązania:: https://bibliotekanauki.pl/articles/334663.pdf
Data publikacji:: 2018
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: traction force
traction efficiency
artificial neural network
genetic algorithm
siła trakcyjna
sprawność trakcyjna
sztuczne sieci neuronowe
algorytm ewolucyjny
Opis:: The aim of this study was to develop valuable model of the interaction between low-power tractors wheel and deformed ground as well as to optimize tractor performance on silty clay loam. The relationships between traction force as well as traction efficiency and soil moisture, soil compaction, horizontal deformation, and vertical load were the subject of investigation. The research was carried out in the laboratory conditions. The two soft computing techniques of mathematical modeling were used: multilayer perceptron and radial basis function neural network. The more efficient model was obtained by multilayer perceptron. For the model with traction force as the output parameter the coefficient of determination was equal to 0,963 (MLP model) and 0,907 (RBF model). For the model with traction efficiency as the output parameter the coefficient of determination was equal to 0,986 and 0,944, respectively. Using the MLP model, the sensitivity analysis was conducted. The highest relative influence on traction force was observed for vertical load, in the case of traction efficiency, horizontal deformation is the most important parameter. For both dependent variables the lowest influence was calculated for soil compaction. The optimization of tractive properties requires generally high horizontal deformation, average soil moisture and high soil compaction. High vertical load is necessary for traction force maximization and relatively low for traction efficiency optimization.
Celem pracy było wygenerowanie możliwie dokładnych modeli opisujących interakcję układu opona napędowa–gleba gliniasta dla mikrociągnika. Na podstawie wygenerowanych modeli przeprowadzono optymalizację pracy analizowanego układu. Badaniom podlegały zależności między siłą i sprawnością trakcyjną a wilgotnością i zwięzłością gleby, deformacją poziomą i obciążeniem pionowym. Badania przeprowadzono w warunkach laboratoryjnych. W zadaniu modelowania matematycznego wykorzystano dwie techniki sztucznej inteligencji: sieć neuronową typu perceptron wielowarstwowy (MLP) oraz sieć neuronową z radialnymi funkcjami bazowymi (RBF). Bardziej dokładny okazał się model oparty o sieć MLP. Współczynnik determinacji opisujący jakość modelu w przypadku siły trakcyjnej wynosił 0,963 (model MLP) i 0,907 (model RBF). W przypadku sprawności trakcyjnej współczynnik determinacji wyniósł odpowiednio 0,986 i 0,944. Wykorzystując modele oparte na sieci MLP przeprowadzono analizę wrażliwości modeli. Analiza ta wykazała, że największy wpływ na siłę trakcyjną ma obciążenie pionowe, a w przypadku sprawności trakcyjnej najbardziej znaczącym parametrem jest deformacja pozioma. Dla obu zmiennych zależnych, najmniej znaczącym parametrem jest zwięzłość gleby. Optymalizacja parametrów trakcyjnych wymaga generalnie dużej wartości deformacji poziomej, średniej wartości wilgotności i dużej zwięzłości gleby. Maksymalizacja siły trakcyjnej jest możliwa przy dużej wartości obciążenia pionowego, a optymalną wartość sprawności trakcyjnej można uzyskać przy niskiej wartości obciążenia pionowego.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2018, 63, 1; 63-68
1642-686X
2719-423X
Pojawia się w:: Journal of Research and Applications in Agricultural Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "Sztuczne Sieci Neuronowe" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język